Quand Google crée un logiciel qui gagne au jeu le plus complexe du monde...avec plusieurs décennies d'avance

Le jeu de Go est le jeu le plus complexe au monde, bien plus complexe que le jeu d'échecs. Jusqu'à peu, la plupart des experts pensaient qu'il faudrait encore plusieurs décennies pour qu'un logiciel soit capable de battre un être humain au jeu de Go. Mais hier, Google a annoncé qu'un logiciel conçu par une de ses équipes d'intelligence artificielle, DeepMind, du nom d'AlphaGo, avait battu le champion d'Europe de Go, 5 à 0. 

Qu'est-ce que le Go et pourquoi est-ce aussi difficile ? 

Le Go est un jeu de table abstrait, qui se joue sur une grille de 19 intersections par 19. Les joueurs placent des pierres noires ou blanches sur chaque intersection à tour de rôle. L'objectif est d'entourer les pierres de l'autre pour les capturer et, au final, de contrôler au moins 50% de la surface du jeu. 

Le jeu de Go est extrêmement complexe. Il y a 10 puissance 761 jeux possibles de Go, soit plus qu'il n'y a d'atomes dans l'univers, contre 10 puissance 120 jeux possibles en échecs. 

Pour être bon au Go, il faut pouvoir déceler de subtil schémas sur le terrain, et penser stratégiquement. Le premier logiciel à avoir vaincu un champion aux échecs avait une approche "brutale" : il avait stocké une très grande quantité de jeux d'échecs dans sa mémoire, et déterminait statistiquement le prochain tour à jouer, en fonction de ce qu'indiquait sa base de données. Une telle approche est tout simplement impossible au jeu de Go, à cause du nombre astronomique de combinaisons possibles. La plupart des grands experts de Go sont souvent incapables d'expliquer pourquoi tel ou tel choix fonctionne--le jeu exige une quantité importnate d'intuition, exactement ce qui fait défaut aux ordinateurs.

L'approche originale d'AlphaGo

L'approche habituelle, statistique, "brutale", ne pouvait pas marcher. Mais l'équipe de Google, issue d'une startup anglaise, DeepMind, récemment rachetée par Google, a fait appel à la dernière technique la plus poussée en intelligence artificielle, le "deep learning", comme le raconte la MIT Technology Review. Le deep learning essaye justement de reproduire le niveau d'abstraction dont est capable l'esprit humain. Comment "concevoir" une image ? On peu l'imaginer comme une série de pixels, ou comme des gradients de couleur--ce qu'un ordinateur peut très bien faire. Ou bien on peut la schématiser comme une série de formes, que l'on peut rapprocher d'autres formes. C'est cette approche plus conceptuelle qui est représentée par le deep learning. Par une série multiples d'élévations conceptuelles (de "gradients de couleurs" à "formes" à "visage" à "Mona Lisa"), le deep learning permet à un logiciel d'approcher le niveau de conceptualisation d'un esprit humain. 

AlphaGo possède deux systèmes neuraux simulés, qui fonctionnent en parallèle. Au lieu d'essayer d'évaluer toutes les éventualités possibles statistiquement, comme le ferait un logiciel d'échecs, ce qui est impossible au Go, AlphaGo va se concentrer sur les quelques prochains coups possibles qu'il peut évaluer. Equipé de cette approche conceptuelle qui le rapproche de l'humain, AlphaGo peut alors concurrencer les joueurs humains. Et, contrairement aux joueurs humains, AlphaGo n'est jamais fatigué ou énervé--et contrairement à un humain, il peut s'entraîner en jouant plusieurs millions de parties par jour.

D'autres applications

Il ne s'agit pas d'un joli jeu. Précisément grâce à son approche conceptuelle abstraite, AlphaGo a le potentiel d'être appliqué à de nombreux autres problèmes. Un problème lié directement à Google : améliorer la qualité des recherches, et améliorer Google Now, l'assistant personnel virtuel de Google. Mais à terme, AlphaGo pourrait aider au diagnostic médical, ou au modelage du climat.